[發(fā)明專(zhuān)利]一種基于DDAUnet的食管腫瘤分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110302558.5
• 申請(qǐng)日: 2021-03-22
• 公開(kāi)（公告）號(hào): CN113069137A
• 公開(kāi)（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 潘曉光;焦璐璐;董虎弟;韓丹;馬文芳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山西三友和智慧信息技術(shù)股份有限公司
• 主分類(lèi)號(hào): A61B6/03
• 分類(lèi)號(hào): A61B6/03
• 代理公司: 太原榮信德知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

本發(fā)明屬于圖像分割技術(shù)領(lǐng)域，具體涉及一種基于DDAUnet的食管腫瘤分割方法，包括如下步驟：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、模型構(gòu)建、模型保存、模型評(píng)價(jià)，所述數(shù)據(jù)采集通過(guò)獲取食管癌患者相關(guān)CT掃描圖像，進(jìn)行圖像標(biāo)注，完成模型訓(xùn)練所需數(shù)據(jù)集的構(gòu)建；所述數(shù)據(jù)預(yù)處理包括數(shù)據(jù)擴(kuò)增、數(shù)據(jù)劃分、圖像縮放和歸一化。本發(fā)明提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)CNNs的全自動(dòng)端到端食管腫瘤分割方法，該網(wǎng)絡(luò)被稱(chēng)為擴(kuò)張密集注意Unet即DDAUnet，利用每個(gè)密集塊中的空間和通道注意門(mén)，選擇性地集中于決定性特征圖和區(qū)域，擴(kuò)展的卷積層用于管理GPU內(nèi)存，增加網(wǎng)絡(luò)接受場(chǎng)。本發(fā)明用于圖像的分割。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像分割技術(shù)領(lǐng)域，具體涉及一種基于DDAUnet的食管腫瘤分割方法。

背景技術(shù)

食管癌是研究最少的癌癥之一，而它對(duì)大多數(shù)患者是致命的，在CT圖像中快速準(zhǔn)確地描繪靶區(qū)體積對(duì)于治療和疾病控制具有非常重要的作用，同時(shí)由于與腫瘤靶體積相關(guān)的高度不確定性，特別是在腫瘤的頭部和尾部邊緣，為了克服這些復(fù)雜性，醫(yī)生將CT成像與臨床病史、內(nèi)窺鏡檢查結(jié)果、內(nèi)窺鏡超聲以及其他成像方式如正電子發(fā)射斷層掃描相結(jié)合，然而，獲得這些額外的方式是一個(gè)費(fèi)時(shí)和昂貴的過(guò)程。

存在問(wèn)題或缺陷的原因：在CT圖像中手動(dòng)或自動(dòng)勾畫(huà)食道腫瘤是非常具有挑戰(zhàn)性的。這是由于腫瘤與鄰近組織之間的低對(duì)比，食管解剖結(jié)構(gòu)的變化，以及偶爾存在的異物如喂食管，因此，醫(yī)生通常利用額外的知識(shí)，如內(nèi)窺鏡檢查結(jié)果，臨床病史，額外的成像方式，如PET掃描。獲得其附加信息是耗時(shí)的，同時(shí)結(jié)果是容易出錯(cuò)的，并可能導(dǎo)致不確定性的結(jié)果，近年來(lái)，深度學(xué)習(xí)在醫(yī)學(xué)圖像分析中的應(yīng)用引起了廣泛關(guān)注，然而，該技術(shù)在食道分割方面的應(yīng)用有限，在食道腫瘤分割方面的應(yīng)用更少。

發(fā)明內(nèi)容

針對(duì)上述圖像分割技術(shù)模型應(yīng)用少的技術(shù)問(wèn)題，本發(fā)明提供了一種分割效率高、成本低、效果好的基于DDAUnet的食管腫瘤分割方法。

為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：

一種基于DDAUnet的食管腫瘤分割方法，包括下列步驟：

S100、數(shù)據(jù)采集：獲取食管癌患者相關(guān)CT掃描圖像，進(jìn)行圖像標(biāo)注，完成模型訓(xùn)練所需數(shù)據(jù)集的構(gòu)建；

S200、數(shù)據(jù)預(yù)處理：包括數(shù)據(jù)擴(kuò)增、數(shù)據(jù)劃分、圖像縮放和歸一化；

S300、模型構(gòu)建：構(gòu)建基于DDAUnet的分割網(wǎng)絡(luò)模型，輸入訓(xùn)練數(shù)據(jù)，完成參數(shù)模型的搭建；

S400、模型保存：當(dāng)模型的損失函數(shù)不再降低之后，保存模型；

S500、模型評(píng)價(jià)：通過(guò)MSD和HD評(píng)價(jià)方法對(duì)保存的模型進(jìn)行評(píng)估。

所述S100數(shù)據(jù)采集中，使用Brilliance Big Bore掃描儀對(duì)食管癌患者進(jìn)行身體檢測(cè)，在五個(gè)在不同時(shí)間點(diǎn)對(duì)患者進(jìn)行重復(fù)CT掃描獲得CT圖像，3個(gè)時(shí)間點(diǎn)僅包含1次3DCT掃描，2個(gè)時(shí)間點(diǎn)包括1次3DCT掃描和1次4DCT掃描，共10個(gè)呼吸期，每次掃描包含58-108個(gè)切片，平均體素厚度0.98×0.98×3mm3，將獲得的CT圖像進(jìn)行切片處理，利用MD對(duì)獲得的二位軸向切片進(jìn)行真實(shí)分割，獲得對(duì)應(yīng)的標(biāo)注圖像，完成原始數(shù)據(jù)集的構(gòu)建。

所述S200數(shù)據(jù)預(yù)處理中，數(shù)據(jù)擴(kuò)增、數(shù)據(jù)劃分、圖像縮放、歸一化方式分別如下：

數(shù)據(jù)擴(kuò)增：分別對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行45度，90度，135度旋轉(zhuǎn)，并調(diào)整數(shù)據(jù)對(duì)比度、亮度，對(duì)數(shù)據(jù)進(jìn)行擴(kuò)增，將變換后的數(shù)據(jù)與原訓(xùn)練集混合，構(gòu)建新的數(shù)據(jù)集；

數(shù)據(jù)劃分：使用交叉驗(yàn)證法將數(shù)據(jù)集D劃分為k個(gè)大小相似的互斥子集，每個(gè)子集盡可能保持?jǐn)?shù)據(jù)分布的一致性，用(k-1)個(gè)子集的并集作為訓(xùn)練集，余下的子集作為測(cè)試集；

圖像縮放：將數(shù)據(jù)劃分后得到的所有數(shù)據(jù)進(jìn)行縮放，以便輸入模型，將其按照大小比例全部調(diào)整為統(tǒng)一尺寸512×512；